FUNCIONES PROCESOS ESTOCASTICOS
-
Upload
jack-rodriguez -
Category
Documents
-
view
224 -
download
0
Transcript of FUNCIONES PROCESOS ESTOCASTICOS
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
1/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
RESUMEN: En el presente teto se va a estudiar los
di!erentes modelos matematicos para calcular la probabilidad en variables aleatorias en discretas "continuas. #on el concepto de variable aleatoria nos
permite pasar de resultados eperimentales a la !unction
numerica de los resultados encontramos dos tipos de
variables discretas " continuas.
ABSTRACT:
$%is tet is stud" t%e di!!erent mat%ematical models to
calculate t%e probabilit" o! random variables discrete
and continuous. &it% t%e concept o! random variable
allo's us to move !rom t%e eperimental to t%e !unction
o! t%e numerical results are t'o t"pes o! discrete andcontinuous variables
PALABRAS CLAVE:
• Valor medio
• Poisson
• Binomial
• Distribucion normal estandar
1. INTRODUCCIÓN
En la teora de la probabilidad " en estadstica
una !unción de distribución acumulada describe
la probabilidad de *ue una variablealeatoria real + su,eta a cierta le" de distribución de
probabilidad se sit-e en la zona de valores menores
o iguales a .
2. DESARROLLO2.1DEFINICIÓN
2.1.1 DISTRIBUCIÓN DE POISSON.Es un modelo *ue puede usarse para calcular la
probabilidad correspondiente al n-mero de /itos0 *ue
1
se obtendran en una región o en intervalo de tiempo
especi!icado si se conoce el n-mero promedio de
/itos0 *ue ocurren.Este modelo re*uiere *ue se cumpla las siguientes
suposiciones2
• El n-mero de /itos *ue ocurren en la región o
intervalo es independiente de lo *ue ocurre en otra
región o intervalo.
• 3a probabilidad de *ue un resultado ocurra en una
región o intervalo mu" pe*ue4o es igual para
todos los intervalos o regiones de igual tama4o "
es proporcional al tama4o de la región o intervalo.
• 3a probabilidad de *ue m5s de un resultado ocurra
en una región o intervalo mu" pe*ue4o no essigni!icativa.
Sea variable aleatoria discreta con distribución de
Poisson.
2 #antidad promedio de /itos0 en la región o
intervalo especi!icados.
Entonces la distribución de probabilidad de es2
Valor medio:
Se obtiene la !unción generadora de momentos2
FUNCIONES DISTRIBUCIÓN DE PROBABILIDAD ENTIEMPO DISCRETO CONTINUO
Rodriguez #onde 6acson 6avier ,ac7bo89:%otmail.com
ESPE Etension 3atacunga ;ui,ano "
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
2/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
Desarrollo de la !unción eponencial como serie de
potencia2
=aciendo
Por de!inición2
Varia!"a:
.Para la demostración de la varianza se sigue un camino
similar al del valor medio
De#$ia%i&! e#'(!dar:
Función de distribución de probabilidad
A)ro*ima%i&! de la di#'ri+,%i&! Bi!omial %o! ladi#'ri+,%i&! de Poi##o!.En la distribución ?inomial cuando n es grande no es
practico el uso de la !ormula. Para este caso se puede
calcular aproimadamente la probabilidad con la
distribución de Poisson.Siendo2
De tal manera *ue
La a)ro*ima%i&! e# a%e)'a+le #i:
Función distribución " !usión acumulativa de Poisson.
E-em)lo:Suponga *ue la llegada de automóviles a una gasolinera
sigue una distribución de Poisson " se produce a una
velocidad promedio de @9%. 3a gasolinera solo disponede un surtidor. Si suponemos *ue todos los coc%es
necesitan un minuto para servirse gasolina Bcu5l es la
probabilidad de *ue %a"a *ue %acer cola en el surtidorC
Da'o#:
=abr5 *ue %acer cola si dos o m5s coc%es llegan en un
intervalo de tiempo de un minuto.
3a probabilidad de %acer cola2
Por tanto %abr5 cola !ormada en el surtidor
aproimadamente un 9 del tiempo.
2.1.2 DISTRIBUCIÓN DE BERNOULLI.
Es un eperimento en el *ue puede %aber -nicamente
dos resultados posibles. Es costumbre designarlos como
/ito0 " !racaso0.
Si la probabilidad de obtener /ito0 en cada ensa"o es
un valor *ue lo representa con entonces la
probabilidad de obtener !racaso0 ser5 el complemento
• Sea variable aleatoria cu"os valores pueden ser >2
/ito 92 !racaso
• 2 valor de probabilidad de *ue el resultado del
ensa"o se /ito0.
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
3/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
Entonces la distribución de probabilidad de es2
El eperimento puede repetirse " en cada ensa"o el valor
de probabilidad ) se mantiene constante.Se supondr5 *ue los ensa"os son independientes es
decir el resultado de un ensa"o no a!ecta a los resultadosde otros ensa"os.
Valor medio:
Varia!"a:
De#$ia%i&! e#'(!dar:
F,!%i&! di#'ri+,%i&! /,#i&! a%,m,la'i$a deBer!o,lli.
E-em)lo:Suponer *ue la probabilidad de /ito de un eperimento
es 9. " se realiza cinco ensa"os independientes. #alculela probabilidad *ue el primero " el -ltimo ensa"o sean
/itos " los tres ensa"os intermedios sean !racasos.
Sol,%i&!:
2.2.1DISTRIBUCIONES DE PROBABILIDADCONTINUAS.
2.2.2DISTRIBUCIÓN NORMAL O 0AUSSIANAEs la piedra angular de la teora estadstica moderna.
#onocida " estudiada desde %ace muc%o tiempo es
utilizada para describir el comportamiento aleatorio de
muc%os procesos *ue ocurren en la naturaleza " tambi/n
realizados por los %umanos.Se dice *ue una variable aleatoria + es gaussiana si su
!unción de densidad tiene la !orma
Donde2
G son constantes reales.
Su m5imo valor se produce en .Su amplitud0
alrededor del punto est5 relacionada con .
3a !unción decrece a 9.H9I veces su m5imo en
"
Función densidad de probabilidad
Función de distribución2
Esta integral no tiene solución cerrada conocida " debe
evaluarse por m/todos num/ricos o aproimaciones.
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
4/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
Función distribucion de probabilidad
#aso normalizado
Para generalizar " !acilitar el c5lculo de la probabilidadcon la distribución Jormal es conveniente de!inir la
Di#'ri+,%i&! Normal E#'(!dar *ue se obtiene %aciendo
En la !unción densidad de la distribución
normal.
• Sea variable aleatoria continua con
$iene distribución Jormal Est5ndar si su !unción
densidad es2
Para calcular probabilidad con la distribución Jormal
Est5ndar se puede usar la de!inición de distribución
acumulada o !unción de distribución2
Función distribución Normal Estándar
Sea variable con distribución Jormal Est5ndar con
3a variable aleatoria
E-em)lo:Supongamos *ue una variable aleatoria gaussiana para la
*ue " K %allar la probabilidad del suceso
.
A partir de la tabla de distribución normal est5ndar2
.
2.2. DISTRIBUCIÓN DE ERLAN0.Se utiliza la distribución Erlang para describir el tiempo
de espera %asta el suceso n-mero r en un proceso de
Poisson.
3a variable aleatoria *ue es igual a la longitud del
intervalo %asta *ue suceden r ocurrencias en un proceso
de Poisson con media tiene una distribución
Erlang con par5metros
L
Función densidad de probabilidad
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
5/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
3a !unción densidad de probabilidad es2
F,!%i&! a%,m,la'i$a
Función de distribución de probabilidad
Valor medio:
Varia!"a:
De#$ia%i&! e#'(!dar:
E-em)lo:3as !allas de las unidades de procesamiento central(#PU) de los sistemas de computadores grandes se
modelan con !recuencia con un proceso de Poisson. Por
lo general las !allas no son causadas por desgaste sino
por otros !actores.
Suponga *ue las unidades *ue !allan se reparan de
inmediato " *ue el n-mero promedio de !allas por %ora
es de 9.999>. Sea *ue + denote el tiempo %asta *ue
ocurran L !allas en un sistema. Determinar la
probabilidad de *ue + eceda L9999 %oras2Sol,%i&!:
2.2. DISTRIBUCIÓN RELEI03.
3as !unciones de densidad " distribución de Re"leig%
son2
Para las constantes reales
Valor medio:
Sustitu"endo
@
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
6/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
#omo
Siguiendo el proceso anterior2
Varia!"a:
De#$ia%i&! e#'(!dar:
E-em)lo:Suponga *ue el tiempo de vida de un animal de
laboratorio est5 de!inido por una !unción de densidad de
Ra"leig% con aM9 " bM9 semanas para las epresiones
densidad " distribución. Si por algunas razones clnicasse sabe *ue el animal vivir5 como máximo 9 semanas
B#u5l es la probabilidad de *ue viva >9 semanas o
menosC
Sol,%i&!:
2.2.4 DISTRIBUCIÓN DE CAUC3.
Función densidad de probabilidad. La línea verde es ladistribución estándar de Cauchy
H
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
7/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
Se trata de un modelo continuo cu"a !unción de
densidad es2
#u"a integral nos proporciona la !unción de
distribución2
Se trata de un e,emplo de variable aleatoria *ue carece
de esperanza (" por tanto tambi/n de varianza ocual*uier otro momento) "a *ue la integral impropia
correspondiente no es convergente.
G nos *ueda una indeterminación. Por tanto laesperanza de una distribución de #auc%" no eiste.
#abe se4alar *ue la !unción de densidad es sim/trica
respecto al valor cero (*ue sera la mediana " la moda)
pero al no eistir la integral anterior la esperanza no
eiste.
2.2.5 DISTRIBUCIÓN DE LAPLACE.
Se dice *ue una variable aleatoria + sigue una
distribución de 3aplace de par5metros si
su !unción de densidad es2
3a !unción generatriz de momentos de esta distribución
tiene la epresión.
De donde se deduce *ue2
Valor medio:
Varia!"a:
De#$ia%i&! e#'(!dar:
2.2.6 DISTRIBUCIÓN DE RICE.
3a distribución de Ja7agamiNRice se deduce tambi/n de
la distribución gaussiana " generaliza la distribución de
Ra"leig%. Dada una distribución gaussiana
bidimensional con dos variables independientes x e y con
la misma desviación tpica la longitud de un vector *ue
une un punto de la distribución con un punto !i,odi!erente del centro de la distribución tiene unadistribución de Ja7agamiNRice. Por consiguiente esta
distribución puede considerarse tambi/n como la
distribución de la longitud de un vector *ue sera la suma
de un vector !i,o " de un vector cu"a longitud tiene una
distribución de Ra"leig%.
Si se designa por a la longitud del vector !i,o " la
longitud m5s probable del vector de Ra"leig% la
densidad de probabilidad vendr5 dada por
Donde es la !unción de ?essel modi!icada de primera
especie " de orden cero.
Esta distribución depende de dos par5metros pero para
las aplicaciones a los problemas de propagación se
deber5 elegir una relación entre la amplitud a del vector
!i,o " la amplitud cuadr5tica media del vector
aleatorio.
I
Función distribución de probabilidad.
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
8/11
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
9/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
+−
−− n z X
n
z X σ σ
α α
D>
D>
)
Varia!"a
Se puede demostrar !5cilmente con el uso de la !unción
generatriz e momentos " de la relación de la c%iN
cuadrado con la distribución Oamma *ue la media deuna distribución c%iNcuadrado de n grados de libertad
vale n " su varianza n.
K E X n Var X n( ) ( )= =
E6EP3 grados de libertad.
b) Para @@ grados de libertad.S indica *ue la tasa de !allos decrece
con el tiempo.
• #uando k M> la tasa de !allos es constante en el
tiempo.
• Un valor k V> indica *ue la tasa de !allos crece
con el tiempo.
Valor Medio
De#$ia%i&! E#'(!dar
Varia!"a
Función de densidad de probabilidad
8
https://es.wikipedia.org/wiki/Waloddi_Weibullhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Weibull#CITAREFFr.C3.A9chet1927https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Weibull#CITAREFRosinRammler1933https://es.wikipedia.org/wiki/Funci%C3%B3n_de_densidadhttps://es.wikipedia.org/wiki/Par%C3%A1metro_de_formahttps://es.wikipedia.org/wiki/Par%C3%A1metro_de_escalahttps://es.wikipedia.org/wiki/Waloddi_Weibullhttps://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Weibull#CITAREFFr.C3.A9chet1927https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Weibull#CITAREFRosinRammler1933https://es.wikipedia.org/wiki/Funci%C3%B3n_de_densidadhttps://es.wikipedia.org/wiki/Par%C3%A1metro_de_formahttps://es.wikipedia.org/wiki/Par%C3%A1metro_de_escala
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
10/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
Función de distribución de probabilidad
E-er%i%io
$enemos un con,unto de componentes *ue !allan en elsiguiente n-mero de %oras2 9.K9.@K 9.K >K >.K >.K
>.@LK >.IHK .@ " . A partir de estos valores calcule la
probabilidad de *ue un componente de las mismascaractersticas dure mas de @ %oras2
Para resolver este problema se ad,untan los valores de
3n(ti) "a *ue los necesitaremos para calcular los par5metros con el m/todo analtico implcito.
Si aplicamos las !ormulas del m/todo implcito para el
c5lculo de los par5metros se obtiene2
Por lo *ue los par5metros ser5n2
Entonces
CONCLUSIONES.
• Una distribución de probabilidades para una variable
discreta es un listado mutuamente eclu"ente de
todos los resultados num/ricos posibles para esa
variable aleatoria El valor esperado de una variable
aleatoria discreta es un promedio ponderado de
todos los posibles resultados
• 3a variable aleatoria + es una !unción *ue asocia unn-mero a cada espacio de la muestra *ue obtenemos.
• En cual*uier eperimento aleatorio cu"os sucesos
posibles pueden identi!icarse !5cilmente mediante un
n-mero real ir5n ubicados en un variable.
• Podemos de!inirla como variable estoc5stica "a *ue
toma di!erentes valores.
• En general una variable aleatoria discreta +
representa los resultados de un espacio muestral. De
esta !orma al considerar los valores de una variable
aleatoria es posible desarrollar una
!unción matem5tica .
BIBLIOGRAFIA
• J. L.Devore, «Varialbes aleatorias Disccretas ycontunuas,» de Probabilidad y estadístca para ingenieriay ciencias., International Thomson Editores., 200, !!. "#$20%.
• &. Luis 'odr()ue* +eda, «Variables aleatorias discretas y co!!. #-$%".
•
«&ETE+./II1.ED3,» 4En l(nea5. vailable6htt!677meteo.8isica.edu.uy7&aterias7nalisis9Estadistico9de9D!d8. 4;ltimo acceso6 20 diciembre 20%5.
• «3&.E,» 4En l(nea5. vailable6 htt!677
-
8/16/2019 FUNCIONES PROCESOS ESTOCASTICOS
11/11
Universidad de las Fuerzas Armadas(ESPE). Rodriguez. Funciones de Distribución
• «3B.ED3,» 4En l(nea5. vailable6htt!677